De største udfordringer for leveranceledelse i 2026
AI-integration: AI er et aktuelt pres for projektledere, da implementeringen ofte mangler en tilstrækkelig strategi og parathed.
Dataudfordringer: Ustrukturerede og forudindtagede data underminerer AI's effektivitet og kræver bedre datastyring og dataforståelse.
Menneskelige bekymringer: Implementering af AI skaber bekymring i teamet om jobsikkerheden, hvilket kræver, at ledere håndterer tillid effektivt.
Ekspertparadokset: Dyb ekspertise er fortsat afgørende for effektiv brug af AI, da AI er afhængig af menneskelig kunnen for at skabe værdi.
Fokus på eksekvering: Projekter mislykkes ofte i eksekveringen på grund af multitasking og for stor arbejdsbyrde – ikke på grund af dårlig planlægning.
Der er noget anderledes ved levering i 2026. Det handler ikke kun om, at værktøjerne har ændret sig, eller at forandringstempoet er steget — det handler om, at enhver større kraft, der forstyrrer den måde, organisationer fungerer på, tilsyneladende er ankommet på én gang. Kunstig intelligens er på få år gået fra at være en nysgerrighed til at være en operationel forventning. Geopolitisk ustabilitet omformer markeder og forsyningskæder. Leveringspresset er steget, selvom teams er mindre og mere geografisk spredte end nogensinde. Og gennem det hele bliver de mennesker, der er ansvarlige for faktisk at få projekter til at lykkes, bedt om at navigere i et terræn, som ingen drejebog fuldt ud har kortlagt.
For at forstå, hvad dette øjeblik virkelig kræver, talte vi med flere leveringsledere på tværs af brancher. Her er deres tanker.
Opgøret med AI — muligheder, bekymringer og ubesvarede spørgsmål
Kunstig intelligens er ikke længere en fremtidig overvejelse for projektledere — det er et pres, der mærkes her og nu. Men på tværs af vores samtaler opstod der en gennemgående spænding: Begejstringen for AI har i betydelig grad overhalet organisationernes parathed til at bruge AI effektivt. Spørgsmålet er ikke længere, om man skal tage AI i brug, men hvordan man gør det ansvarligt, og hvad der sker, når organisationer springer det grundlæggende arbejde over, som er nødvendigt for at få det til faktisk at fungere.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Presset for at tage AI i brug uden et fundament
Kravet om at "bruge AI" kommer fra toppen af organisationerne med stor hast, men ofte uden en strategi til at bakke det op. Marcus Glowasz, Executive Coach og rådgiver inden for forandrings- og projektkommunikation hos Projects & Data, beskrev et mønster, han gentagne gange ser: "Jeg hører ofte: ‘Vi er nødt til at bruge AI. Fordi alle andre bruger det, er vi også nødt til det.’ Og så kaster alle sig over det. Men måske findes der en bedre løsning end AI." Presset er reelt, men retningen er ofte for tidligt valgt.
Jeg hører ofte, ‘Vi er nødt til at bruge AI. Fordi alle andre bruger det, er vi også nødt til det.’ Og så kaster alle sig over det. Men måske findes der en bedre løsning end AI.
Dette pres fra toppen forstærkes af manglende konsultation med de mennesker, der faktisk står for leveringen. Emmanuels Magaya, grundlægger af Project Managers Africa, beskrev et scenarie, han har mødt utallige gange: "AI kommer ofte fra et virksomhedsdækkende niveau, hvor man fortæller alle, at de skal begynde at bruge dette værktøj. Det kommer fra toppen som en helikopter... Men ingen konsulterede PMO-teamet." Resultatet er implementering uden tilpasning — og mislykket anvendelse, der skaber skepsis.
AI kommer ofte fra toppen som en helikopter… men ingen konsulterede PMO-teamet.
Det samme mønster viser sig på projektniveau. Derek Fredrickson, grundlægger af The COO Solution, mener, at rækkefølgen grundlæggende er vendt forkert i mange organisationer: "Ofte forsøger de [lederne] at indføre AI som løsningen, før et menneske faktisk har udført opgaven... Det, vi virkelig skal have klarhed over, er, hvad mennesket gør først, så vi kan se, hvor AI kan tilføre værdi, i stedet for: ‘Jeg har endnu ikke en funktion eller en opgave, men jeg vil bare have AI til at gøre det.’" Før AI kan integreres, siger han, skal den menneskelige proces forstås og dokumenteres.
Ofte forsøger de [ledere] at tage AI i brug som løsningen, før et menneske faktisk har gjort det. Vi er nødt til først at blive helt klare på, hvad mennesket gør, for at se, hvor AI kan tilføre værdi.
Dataproblemet under AI-problemet
Under spørgsmålet om AI-anvendelse ligger et mere grundlæggende spørgsmål: Er de underliggende data gode nok til at gøre AI nyttig? Bruno Morgante, grundlægger & CEO hos Mantegora, er direkte omkring det problem, han ser med AI i porteføljearbejde: "Det største problem lige nu er, at de data, vi starter med, ikke er særlig rene. Så vi har ustrukturerede, urene og forudindtagede data. Og når man samler det hele og beder et AI-værktøj om at hjælpe med forudsigelser ... bliver resultatet ikke særlig godt." Skrald ind, skrald ud — den ældste regel inden for data gælder stadig, selv i de store sprogmodellers tidsalder.
Vi har ustrukturerede, urene og forudindtagede data. Og når man samler det hele og beder et AI-værktøj om at hjælpe med forudsigelser … bliver resultatet ikke særlig godt.
For Laurel Sim, ledende partner og direktør hos Taleo Project Services, Inc., er manglen på klare grænser for, hvor og hvordan AI må bruges, en af tidens definerende ledelsesudfordringer. "AI's hastighed og det faktum, at vi ikke har nogen sikkerhedsrammer, der afgrænser, hvor AI er acceptabel praksis," siger hun, er blandt hendes største professionelle bekymringer — og organisationer uden stærk datastyring er efter hendes opfattelse særligt udsatte.
Marcus Glowasz bemærker, at der også er et problem med dataforståelse, som skal håndteres, før en seriøs udrulning af AI kan finde sted: "Der er behov for dataforståelse. Man er nødt til at forstå begreberne omkring data. Hvis man har data, man ikke forstår, så ... hvad skal man bruge nogle virkelig avancerede AI-værktøjer til?" Datastyring kombineret med en menneskelig forståelse af de data, der anvendes, er en forudsætning — ikke blot noget ekstra — for effektiv brug af AI.
Den menneskelige dimension: Teams, tillid og frygt for at miste jobbet
Selv når AI integreres på en gennemtænkt måde, er der en menneskelig ledelsesudfordring, som ledere siger bliver undervurderet: den uro, det skaber i teams. Pam Butkowski, SVP, leverance hos Horizontal Digital, identificerer dette som den virkelige ledelsestest: "Jeg tror ikke, at det faktisk er udfordringen at forstå eller finde ud af, hvordan man integrerer AI-værktøjer og metoder i vores daglige arbejdsformer. Fra et ledelsesperspektiv har udfordringen for mig været at opmuntre mit team til — eller finde måder at få mit team til — at bruge andre kompetencer, når vi tager disse AI-værktøjer i brug ... Og at forklare og indgyde teammedlemmerne tillid til, at AI ikke kommer til at tage deres job." Den tekniske integration, antyder hun, er næsten den nemmere del.
Udfordringen for mig har været at opmuntre mit team til eller finde måder at få mit team til at bruge andre kompetencer, når vi tager disse AI-værktøjer i brug… Og at forklare og indgyde teammedlemmerne tillid til, at AI ikke kommer til at tage deres job.
Bill Dow, direktør for virksomhedens PMO hos UW Medicine, forbinder denne bekymring med en bredere virkelighed i vores omgivelser, som ledere ikke kan ignorere: "Jeg tror, at man i 2026 er nødt til at være opmærksom på de omgivelser, vi befinder os i, alle de forskellige afskedigelser på grund af AI, alt det, der sker i verden, og så slå sig til ro og spørge: Hvordan holder vi os på forkant med det? Hvordan sørger vi for at være foran det?" Spørgsmålet for leveranceledere handler ikke kun om hvordan man bruger AI, men også om, hvordan man leder teams, der er bange for, hvad det betyder for deres fremtid.
I 2026 er man nødt til at være opmærksom på de omgivelser, vi befinder os i, alle de forskellige afskedigelser på grund af AI, alt det, der sker i verden, og så slå sig til ro og spørge: Hvordan holder vi os på forkant med det?
Ekspertparadokset — AI kræver menneskelig ekspertise for at skabe værdi
Der er et paradoks i hjertet af anvendelsen af AI, som Markus Kopko, ledende CPMAI-coach hos ALVISSION, formulerer således: "Det, de fleste endnu ikke har indset, er, at man skal være ekspert inden for sit område for at få gode resultater ud af AI." Konsekvensen er betydelig. AI mindsker ikke behovet for dyb ekspertise — den er afhængig af den.
Kopko går videre og rejser en bekymring på tværs af generationer: "Det problem, vi kommer til at stå over for i den ikke så fjerne fremtid, vil jeg antage, er, at hvis yngre mennesker ikke længere tilegner sig denne viden og bliver eksperter med tiden, hvordan skal de så kunne vurdere og gennemgå resultaterne fra AI'en?"
AI mindsker ikke behovet for dyb ekspertise. Den er afhængig af den.
At følge med — Forandringstempoet løber fra mennesker
Den kunstige intelligens er den mest synlige drivkraft, men den er ikke den eneste. De eksperter, vi talte med, navigerer i et langt bredere problem med hastighed: Den teknologiske udvikling bevæger sig hurtigere, end de fleste mennesker og organisationer kan absorbere, de overordnede kræfter skaber ny usikkerhed, og forventningen om hurtigere leverancer støder sammen med virkeligheden af menneskelige begrænsninger. Udfordringen ved at følge med handler ikke kun om at lære nye værktøjer — den handler om at lede mennesker gennem en vedvarende desorientering.
Teknologisk hastighed og læringsgæld
Kopko beskriver tempoet som noget relativt nyt: "[den største udfordring] er at komme ajour med og integrere den hurtige udvikling inden for teknologier. AI-området var relativt nyt for mange mennesker for blot et par år siden. Og nu bruger vi det stort set dagligt. Nu er vi nødt til at integrere AI-kompetencer og datakompetencer og lære ting meget hurtigere, end vi plejede."
Professionen kæmper ikke med at forstå AI i teorien — den kæmper med at følge med i, hvor hurtigt AI selv udvikler sig. Det, der var gældende praksis for seks måneder siden, kan allerede være forældet, og organisationer befinder sig konstant i en tilstand, hvor de forsøger at indhente det forsømte.
De makroøkonomiske omgivelser: Politik, markeder og usikkerhed
Udfordringen med hastigheden rækker langt ud over teknologien. Laurel Sim nævner de makroøkonomiske omgivelser som en af sine to største bekymringer for professionen: "min største bekymring er det politiske miljø i landet, på kontinentet og i verden, og hvordan vi alle er nødt til at udvikle os i forhold til, hvor vores markeder befinder sig." Geopolitisk ustabilitet, skiftende handelsdynamikker og økonomisk usikkerhed er ikke abstrakte bekymringer for leveranceledere — de udmønter sig direkte i skiftende prioriteter, forstyrrede forsyningskæder og projekter, der begynder under ét sæt antagelser og skal gennemføres under helt andre.
Min største bekymring er det politiske miljø i landet, på kontinentet og i verden, og hvordan vi alle er nødt til at udvikle os i forhold til, hvor vores markeder befinder sig
Krisen for menneskelige færdigheder — kritisk tænkning, eksekvering og teamdynamik
Midt i al støjen om teknologi vendte de eksperter, vi talte med, igen og igen tilbage til en mere stille og langsommere krise: udhulingen af de grundlæggende menneskelige færdigheder, som ingen AI kan efterligne.
Kritisk tænkning og kommunikationsevner er ved at blive ufravigelige færdigheder
Da Laurel Sim blev spurgt, hvilke færdigheder der betyder mest for den næste generation af projektledere, tøvede hun ikke: "Kritisk tænkning," siger hun. "Så vi tænker og er kreative ... hvis vi ikke forsøger at fremme den styrke, går vi glip af noget." Bekymringen er ikke blot, at den kritiske tænkning er underudviklet — det er, at vi aktivt ikke formår at opdyrke denne færdighed, samtidig med at den bliver stadig vigtigere i AI-æraen.
Michael Gold, grundlægger og ansvarlig for leverancer på deltid, forbinder denne ændring direkte med den måde, AI omformer selve projektlederrollen på: "At sige, at man er procesorienteret som projektleder, er meningsløst, for hvem er ikke procesorienteret med AI? Med AI er der endnu større fokus på den menneskelige side af tingene, relationsstyring, interessenthåndtering, overbevisningsevne, kommunikationsevner ... AI kan ikke erstatte den en-til-en-menneskelige interaktion." Efterhånden som AI overtager de procesintensive dele af rollen, er det, der er tilbage — og det, der betyder mest — uigenkaldeligt menneskeligt.
Med AI er der endnu større fokus på den menneskelige side af tingene, relationsstyring, interessenthåndtering, overbevisningsevne og kommunikationsevner.
More Articles
- Produktleder hos AI-starthup deler de agentiske arbejdsgange, han implementerer for at strømline leveringen
- KI i projektlevering: Alt, du skal vide om anvendelsesområder, værktøjer og strategi
- Denne seniorchef for programstyring gennemgår de AI-værktøjer og integrationer, hun bruger til at bygge bro mellem hullerne i kundernes teknologi
- PMO-leder drøfter, hvordan man forhindrer AI i at skabe hurtigere kaos i stedet for bedre eksekvering
- Senior IT-projektleder siger, at projektledere skal fokusere på de menneskelige interaktioner, som algoritmer ikke kan berøre
Parallelopgaver, overbelastning og den umenneskelige arbejdsplads
Et af de mest gennemgående temaer i vores interviews var den skade, som organisatorisk overbelastning forårsager — praksissen med at tildele mennesker mere arbejde, end de med rimelighed kan håndtere. Bill Dow beskriver det enkelt: "Ledere lægger 10 projekter på folk ... Og det, der sker, er, at man bare havner i denne konstante skiften fra projekt til projekt til projekt, ikke? Og ingen menneskekrop kan klare det." Resultatet er ikke produktivitet — det er illusionen om produktivitet, der maskerer dybere organisatoriske problemer.
Johanna Rothman, ejer af Rothman Consulting Group, går videre med kritikken og fremstiller multitasking ikke blot som et praktisk problem, men også som et etisk problem: "Grunden til, at multitasking støder mig så meget, er, at det fjerner det menneskelige fra arbejdet. I stedet har vi brøkdele af mennesker i et regneark. Multitasking opstår altså ud fra tanken om, at vi kan dele og herske, hvilket skaber en umenneskelig arbejdsplads." Med andre ord: Når vi behandler mennesker som brøkdele af ressourcer, der er fordelt på parallelle arbejdsstrømme, reducerer vi ikke blot effektiviteten. Vi skaber de betingelser, der gør meningsfuldt arbejde af høj kvalitet sværere at opnå.
Johanna Rothman sætter også spørgsmålstegn ved den måde, organisationer planlægger arbejdet på. Mange teams opbygger lange opgaveefterslæb og køreplaner, der lover leverancer hver anden uge, men hun mener, at dette niveau af sikkerhed er urealistisk: “Jeg ved ikke, hvor lang tid ting vil tage, og jeg har stor erfaring med mine resultater. Og hvis jeg efter 30 års resultatorienteret erfaring ikke kan forudsige, hvad jeg kommer til at gøre i løbet af den næste uge, hvordan skulle et team så kunne det?”
Hendes pointe er, at overbelastning og overforpligtelse ofte er indbygget i selve systemet, hvilket efterlader leveranceansvarlige med ansvaret for konsekvenserne.
Hvis jeg efter 30 års resultatorienteret erfaring ikke kan forudsige, hvad jeg kommer til at gøre i løbet af den næste uge, hvordan skulle et team så kunne det?
Vejen frem
De udfordringer, som disse ledere beskriver, står ikke alene. De hænger sammen. AI forandrer den måde, projekter planlægges og leveres på, men de styringsrammer, den datainfrastruktur og de udviklingsforløb for medarbejdere, der er nødvendige for at understøtte denne forandring, halter bagefter. De ledere, der med størst succes vil navigere i 2026, er dem, der forstår, at de sværeste problemer stadig grundlæggende er menneskelige.
Vil du have flere indsigter fra eksperter som dem, der er omtalt i denne artikel? Opret en gratis konto for at få adgang til masser af ekspertbaseret indhold og ressourcer.
